基于isodata算法的iris數(shù)據(jù)分類-wenkub
2023-07-03 14:37:24 本頁面
【正文】 步驟列出：步驟1(確定控制參數(shù)及設(shè)置代表點) 需確定的控制參數(shù)為，聚類期望數(shù)，一個聚類中的最少樣本數(shù)，標(biāo)準(zhǔn)偏差控制參數(shù)，用于控制分裂，類間距離控制參數(shù)，用于控制合并，每次迭代允許合并的最大聚類對數(shù)，允許迭代的次數(shù)。若出現(xiàn)兩類聚類中心距離小于的情況，可考慮將此兩類合并。ISODATA算法的功能與C均值算法相比，在下列幾方面有改進(jìn)。一． 實驗?zāi)康耐ㄟ^對Iris data采用Isodata算法進(jìn)行聚類，掌握Isodata算法的原理以及具體實施步驟?！ ?，因而有了自我調(diào)整類別數(shù)的能力?！ 》至褎t主要發(fā)生在某一類別的某分量出現(xiàn)類內(nèi)方差過大的現(xiàn)象，因而宜分裂成兩個類別，以維持合理的類內(nèi)方差。設(shè)初始聚類數(shù)為及聚類中心?！ 〔襟E9(求每類具有最大標(biāo)準(zhǔn)偏差的分量) 指每類具有最大標(biāo)準(zhǔn)偏差的分量。迭代計數(shù)要加1。它們的另一個不同點是，C均值算法的類均值參數(shù)在每個樣本歸入時隨即修改，因而稱為逐個樣本修正法，而ISODATA算法的均值向量或聚類中心參數(shù)是在每一次迭代分類后修正的，因而稱為成批樣本修正法。將類內(nèi)個數(shù)過少（小于10）的聚類中心刪除，并對所有數(shù)據(jù)依照調(diào)整后聚類中心重新進(jìn)行聚類。每一列代表2類之間的距離，第一行為距離，第2，3行為兩類的類別。由結(jié)果觀察到，第3,4類進(jìn)行合并，第6,7類進(jìn)行合并。由上圖可看出，將3，4類進(jìn)行了合并處理（3,4類僅代表其聚類中心在當(dāng)前聚類中心矩陣第3，4列，與第一次迭代的3,4類不是一樣的）。因為3個聚類的標(biāo)準(zhǔn)差向量中的每個分量都小于分裂閾值(thsplit=)，所以不進(jìn)行分裂處理，進(jìn)入合并過程?？梢钥吹剑?次迭代中沒有進(jìn)行合并處理，只是對數(shù)據(jù)按照第3次迭代得到的新聚類中心重新進(jìn)行聚類，并對聚類后的每類樣本進(jìn)行平均，得到新的聚類中心矩陣。之后迭代結(jié)果再無變化，就不將其貼出。第51到100號數(shù)據(jù)應(yīng)屬于一類，但聚類結(jié)果顯示有2個數(shù)據(jù)被分為了第3類。注意，
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1